一种把多幅图像隐藏在一幅图像中传输的方法技术

本发明专利技术提出了一种把多幅图像隐藏在一幅图像中传输的方法，该方法基于信息隐藏和非线性变换，该方法通过构造非线性网络进行隐藏，把多输入变为一输出进行传输，完成了多幅到一幅的信息隐藏，接收端再把一输出变为多输出，完成了一幅到多幅的映射恢复。本发明专利技术在不增加单幅图像信道传输资源的情况下，把系统的传输量提高n倍，或者相当于把图像压缩了n倍。本方法提高了数据传输系统的传输效率以及传输安全性。

【技术实现步骤摘要】

本专利技术涉及一种图像通信的方法，特别涉及一种把多幅图像嵌入在一幅图像中进行高效传输的方法，属于通信(如数据通信技术等)领域。
技术介绍
当前的社会是个信息的社会，信息的传输问题以及传输安全问题成了日益迫切的问题，信息隐藏(数据隐藏)是信息安全的一个重要分支，其利用人类的视觉冗余将秘密信息嵌入到载体中，从而达到安全传输秘密信息的目的。随着科技的发展，图像数据的高效传输以及传输的安全变得越来越重要。通过信息隐藏(也称数据隐藏)技术可以做到在不改变图像大小的情况下，在图像中嵌入秘密信息，从而实现秘密信息和图像的传输。另一方面，对于遥感图像、医学图像和法律图像等，要求在提取秘密信息后载体图像能够尽可能的恢复。目前，信息隐藏方法广泛采用，对于图像来说，有各种信息隐藏方法，如空域隐藏方法，变换域隐藏方法等。但是大都是把小数据量数据(信息)隐藏到大数据量数据(如图像)载体中，可以说，隐藏的容量小于I或远远小于1，在有些场合，需要把更多的数据信息隐藏到小的数据(载体)中，传统的隐藏方法失效，或无法解决此问题，或缺乏此类方法。
技术实现思路
本专利技术解决的技术问题:克服现有技术的不足，提供，该方法基于非线性变换以及信息隐藏，构造特殊输出的非线性多层神经网络，产生含密图像(与原图大小相同)；然后把传输的含密图像经过逆映射恢复出多路图像。本专利技术的技术方案:，步骤如下:I)对第I幅图像Al进行分解，分成M个子图像，子图像按行或按列排列变为大小为L的一维数组，形成M个大小为L的数据Al (m), m = I, 2…M ;每个一维数组灰度归一化处理后变为Xl ;该图像Al尺寸为WXH，8bit量化；2)对第2幅图像A2进行分解，分成M个子图像，子图像按行或按列排列变为大小为L的一维数组，形成M个大小为L的数据A2 (m)，m = I, 2…M ;每个一维数组灰度归一化处理后变为X2 ;该图像A2尺寸为WXH，8bit量化；3)对第η幅图像An进行分解，分成M个子图像，子图像按行或按列排列变为大小为L的一维数组，形成M个大小为L的数据An (m), m = I, 2…M ;每个一维数组灰度归一化处理后变为Xn ;该图像An尺寸为WXH，8bit量化；4)将η幅图像的归一化数据分别经过非线性神经网络netl，类型为多层前馈神经网络，包括输入层、中间层和输出层，输入层的输入节点数为NI，输出层的输出节点数为N2 ;输入节点数NI = n*L，输出节点数N2 = L ;非线性神经网络netl的输入为XI，X2,...Xn,非线性神经网络netl的输出为Xp，p为I到η之间的某个值；所述Xp根据网络权值优选得出，其中网络权值基于学习算法预先形成；5)对网络输出Xp进行传输，把网络序号P隐藏在其中；6)接收Xp后，提取隐藏在其中的网络序号P，经过非线性神经网络net2，包括输入层、中间层和输出层，输入层的输入节点数为N2，输出层的输出节点数为NI ;输入节点数N2=L,输出节点数为NI = n*L，输出为Z = (Z1，Z2，…Zn);所述输出Z根据网络权值优选得出，其中网络权值基于学习算法预先形成；7)对网络输出Z= (Zl，Z2，-Zn)进行逆处理，得到恢复的图像Al，A2....An。步骤4)中的神经网络权值学习过程如下:41)把与Al-An同大小的η幅训练图像Β1，Β2...Βη按顺序组合起来产生一幅大图像 B，尺寸为 WX (Η*η)，或(W*n) XH，8bit 量化；42)对该大图像B进行分解，分成Q个子图像，子图像按行或按列排列变为大小为L的一维数组，形成Q个大小为L的数据Al (m),m= I, 2…Q ;每个一维数组灰度进行归一化处理；43)该大图像B对应的非线性神经网络netl，类型为多层前馈神经网络，输入节点数为NI，输出节点数为NI ;输入节点数NI = n*L，输出节点数为NI = n*L，大图像B对应的输入为 XI，X2，…Xn,分别以 X= (X1，0…0)，X= (0，X2，0...0)，X = (0，0，X3，0...0)，X=(0，0，…Xn)为网络输出，按照BP类神经网络学习方法进行学习，从η种权值中根据学习后Xi与原始Xi的峰值信噪比PSNR最大的一组权值作为netl，i = I, 2.....η。步骤6)中的神经网络权值学习过程如下:61)把与Al-An同大小的η幅训练图像Β1，Β2...Βη按顺序组合起来产生一幅大图像 B，尺寸为 WX (Η*η)，或(W*n) XH，8bit 量化；62)对该大图像B进行分解，分成Q个子图像，子图像按行或按列排列变为大小为L的一维数组，形成Q个大小为L的数据Al (m),m= I, 2…Q ;每个一维数组灰度进行归一化处理；63)该大图像B对应的非线性神经网络net2，类型为多层前馈神经网络，输入节点数为NI，输出节点数为NI ;输入节点数NI = n*L，输出节点数为NI = n*L，分别以X =(XI，…)，X = (0，X2,…)，X = (0，0，X3…)，X = (0,0,…Xn)为网络输入，大图像B对应的输出XI，X2,…Xn为目标，按照BP类神经网络学习方法进行学习，从η种权值中根据学习后Xi与原始Xi的峰值信噪比PSNR最大的一组权值作为net2，i = I, 2.....η。本专利技术与现有技术相比的有益效果在于:(I)目前的信息隐藏方法隐藏量大都不超过100%，本方法在不增加信道资源的情况下，把系统的传输量提高η倍，或者相当于把图像压缩了 η倍。(2)本专利技术所采提出的方法基于非线性神经网络进行隐藏处理，直接得到含密图像，该图像看起来属于原始图像的一幅，载体不可见性好；(3)本专利技术方法恢复载体图像的质量(如PSNR值)是可以事先控制的；(4)本专利技术所提出的方法具有鲁棒性，因为主要信息包含在神经网络的加权值中，信道传输的只是部分数据，因此具有一定鲁棒性；(5)本专利技术所采提出的隐藏方法在隐藏多幅图像的同时具有保密性和防截获性，网络权值不进行传输，别人无法得到，故根据传输的数据无法恢复原图像；(6)本专利技术技术方案独特，直接基于非线性网络(神经网络)实现，具有并行分布处理的特点，有助于ASIC高速实现，实用性大大提高；(7)本专利技术所采提出的隐藏方法不需要进行复杂的预处理，不需要压缩，在变换的同时实现了多幅图像的隐藏，而传统的隐藏方法往往变换前或变化后进行隐藏；(8)本专利技术技术方案基于机器学习技术，学习过程具有特色:基于输入-输出节点数相等的神经网络，采用特殊的目标进行优化学习，能适应的图像类型多，图像恢复质量有保证。高速数据传输技术已经广泛应用于遥感卫星、空间探测器等航天器及各类卫星数传系统，在今后必将得到更广泛应用。星上具有多个光学传感器(多个C⑶相机或多个CXD芯片)，经常出现多幅(多路)图像数据传输的场景。多路传输技术已经应用于航天器及各类卫星数传系统技术中，在今后必将得到更广泛应用。本专利技术能把多幅(η幅)图像隐藏在一幅图像中进行传输，相当于对图像压缩了多倍(η倍)而不用采用传统的数据压缩技术，具有传输效率高，图像恢复质量高、质量可控等特点，同时该方法具有复杂度低、实现资源占用少等实用性的特点，从而在航天器工程、在图像传输系统中本文档来自技高网...

【技术保护点】
一种把多幅图像隐藏在一幅图像中传输的方法，其特征在于步骤如下：1)对第1幅图像A1进行分解，分成M个子图像，子图像按行或按列排列变为大小为L的一维数组，形成M个大小为L的数据A1(m),m＝1,2…M；每个一维数组灰度归一化处理后变为X1；该图像A1尺寸为W×H，8bit量化；2)对第2幅图像A2进行分解，分成M个子图像，子图像按行或按列排列变为大小为L的一维数组，形成M个大小为L的数据A2(m)，m＝1,2…M；每个一维数组灰度归一化处理后变为X2；该图像A2尺寸为W×H，8bit量化；3)对第n幅图像An进行分解，分成M个子图像，子图像按行或按列排列变为大小为L的一维数组，形成M个大小为L的数据An(m),m＝1,2…M；每个一维数组灰度归一化处理后变为Xn；该图像An尺寸为W×H，8bit量化；4)将n幅图像的归一化数据分别经过非线性神经网络net1，类型为多层前馈神经网络，包括输入层、中间层和输出层，输入层的输入节点数为N1，输出层的输出节点数为N2；输入节点数N1＝n*L,输出节点数N2＝L；非线性神经网络net1的输入为X1,X2,…Xn,非线性神经网络net1的输出为Xp，p为1到n之间的某个值；所述Xp根据网络权值优选得出，其中网络权值基于学习算法预先形成；5)对网络输出Xp进行传输，把网络序号p隐藏在其中；6)接收Xp后，提取隐藏在其中的网络序号p，经过非线性神经网络net2，包括输入层、中间层和输出层，输入层的输入节点数为N2，输出层的输出节点数为N1；输入节点数N2＝L,输出节点数为N1＝n*L，输出为Z＝(Z1，Z2，…Zn)；所述输出Z根据网络权值优选得出，其中网络权值基于学习算法预先形成；7)对网络输出Z＝(Z1，Z2，…Zn)进行逆处理，得到恢复的图像A1，A2….An。...

【技术特征摘要】

【专利技术属性】
技术研发人员：周诠，李晓博，呼延烺，崔涛，
申请(专利权)人：西安空间无线电技术研究所，
类型：发明
国别省市：陕西;61